تحقیقات جدید نشان می دهد که استفاده از اتصالات مغناطیسی در قسمت های خاصی از مدار می تواند منجر به کاهش 20 تا 30 درصدی مصرف انرژی برای اجرای الگوریتم های آموزش شبکه عصبی شود.
پیشرفت سریع فناوری منجر به افزایش فوق العاده مصرف انرژی برای پردازش حجم عظیم داده های تولید شده توسط دستگاه های مختلف گردیده است. اما محققان دانشکده مهندسی Cockrell در دانشگاه تگزاس راهی پیدا کرده اند تا نسل جدیدی از کامپیوترهای هوشمند با مصرف انرژی بهینه را تولید کنند.
به طور سنتی تراشه های سیلیکونی معماری بلوک های زیرساختی را تشکیل می دهند که انرژی کامپیوتر را تامین می کند. اما در این تحقیق از اجزای مغناطیسی به جای سیلیکون استفاده شده و اطلاعات جدیدی را در مورد اینکه چگونه فیزیک قطعات مغناطیسی باعث کاهش هزینه های انرژِی و الزامات الگوریتم های آموزشی (به طور مثال در شبکه های عصبی) خواهد شد، مکشوف نموده است.
ژان آنور اینورویا، استادیار گروه مهندسی برق و کامپیوتر دانشکده کاکرل می گوید :
هم اکنون روش های آموزش شبکه های عصبی نیازمند صرف انرژی زیادی است و فعالیت های ما به کاهش هزینه های آموزش شبکه عصبی کمک خواهد کرد.
یافته های محققان این هفته در نشریه فناوری نانو IOP منتشر شد. این محققان دریافتند که نانوسیم های مغناطیسی چنانچه به عنوان نرون های مصنوعی به کار گرفته شوند، در شرایط خاص، توانایی نرون های مصنوعی را برای رقابت با یکدیگر افزایش می دهند که به طور طبیعی منجر به برنده شدن فعال ترین نرون خواهد شد. این در حالی است که دستیابی به چنین اثری موسوم به "مهار جانبی" به طور سنتی نیازمند بکارگیری مدارهای اضافی در داخل سیستم و در نتیجه افزایش میزان هزینه و مصرف انرژی می باشد.
مدیر این پروژه می گوید که روش آنها موجب کاهش 20 تا 30 درصدی میزان مصرف انرژی توسط یک الگوریتم استاندارد back-propagation در هنگام عملیات یادگیری شده است.
همان طور که مغز انسان شامل نرون ها می باشد، نسل جدید کامپیوترها نیز دارای نسخه های مصنوعی از این سلول های عصبی می باشند. " مهار جانبی " زمانی اتفاق می افتد که نرون هایی با سریعترین شلیک قادر به جلوگیری از شلیک نرون های کندتر هستند. در هنگام محاسبات ، این عمل باعث کاهش مصرف انرژی در پردازش داده ها خواهد شد.
مدیر ارشد این پروژه توضیح می دهد که نحوه کار رایانه ها اساسا در حال تغییر است. یک گرایش عمده، مفهوم نورومورفیک است که مطابق آن اساسا کامپیوترها طوری طراحی می شوند که همانند مغز انسان فکر کنند.
به جای مفهوم سنتی که پردازنده در واحد زمان تنها یک وظیفه را پردازش می کرد، این دستگاه های هوشمند قادر به تجزیه و تحلیل حجم عظیمی از داده ها به طور همزمان هستند. این نوآوری ها باعث ایجاد انقلابی در یادگیری ماشین و هوش مصنوعی شده است که در سال های اخیر بر چشم انداز فناوری حاکم بوده است.
تحقیق حاضر بر فعل و انفعال بین دو نرون مغناطیسی و تسری نتایج آن به تاثیرات گروهی از نرون ها بر یکدیگر متمرکز بوده است. مرحله بعدی این تحقیق شامل بکارگیری یافته ها بر روی مجموعه گسترده تری از نرون ها و همچنین تایید تجربی یافته ها خواهد بود.
این تحقیقات با بودجه بنیاد ملی علوم Career Award و آزمایشگاه ملی Sandia با استفاده از منابع مرکز محاسبات پیشرفته UT تگزاس صورت می گیرد.
مترجم : مهندس نریمان زعیم کهن
